迭代学习PMLSM跟踪控制

在具有重复运动轨迹跟踪系统中,为了抑制永磁同步直线电机系统模型的不确定性、外部扰动,提高跟踪精度,提出用前馈-反馈结构来控制PMLSM的运动过程。重复迭代学习前馈控制可以提高系统轨迹跟踪性能,而IP反馈控制对参数变化和外部扰动有很好的抑制作用,提高系统的稳定性。Matlab仿真结果验证了方法的有效性。     

基于自适应模糊滑模的柔性机械臂控制

针对柔性关节机器人控制系统中存在的扰动力、摩擦力、参数变化以及建模误差等导致的控制器精度降低、鲁棒性差的问题,提出了1种基于自适应模糊滑模的鲁棒控制器.控制器由2部分组成,控制器的计算力矩和前馈补偿部分用于控制系统的标称部分,即机器人自身结构相关量、确定性扰动以及摩擦力的线性部分;控制器的自适应模糊滑模部分用于克服系统存在的不确定部分,包括外界不确定性扰动、摩擦力的非线性部分、参数变化以及建模误差等.最后在HIT四自由度柔性机械臂上进行了控制器的相关实验.实验结果表明该控制器具有良好的位置跟踪性能和较强的抗干扰能力.     

不确定性扰动下双足机器人动态步行的自适应鲁棒控制

针对不确定性扰动下双足机器人动态步行的鲁棒控制问题,建立不确定性扰动下双足机器人的动力学模型. 将特定庞卡莱映射方法拓展到不确定性扰动下双足机器人的稳定性分析,将机器人随机系统的稳定性分析转化为确定性周期系统的稳定性分析. 基于滑模控制方法,提出自适应滑模控制器. 与以往滑模控制器相比,该控制器无需外部扰动的准确幅值信息. 考虑到双足机器人在实际应用中常会遭遇非平整路面,进一步将该自适应滑模控制器拓展到非平整路面的鲁棒控制：提出碰撞速度不变性条件,基于落地速度控制进行在线轨迹规划,基于自适应滑模控制器对机器人进行反馈控制. 基于三维（3-D）五杆双足机器人进行仿真实验,结果表明,所设计的控制器能有效实现机器人在不确定性扰动下的鲁棒控制.     

机器人的自适应小脑模型控制

利用水脑模型算术模块模拟机器人动力学方程，计算实现期望运动所需力矩作为前馈控制力矩，采用自适应反馈控制消除输入扰动及参数变化引起的误差．控制方法的有效性通过回自由度直接驱动机器人仿真得到验证．     

基于PD方法的不确定机器人神经网络变结构控制

针对不确定机器人轨迹跟踪控制,提出基于PD方法自适应神经网络变结构控制律,利用RBF神经网络补偿系统参数不确定性,用滑模变结构控制器消除神经网络的逼近误差.仿真结果表明,该控制律能保证轨迹跟踪误差的快速收敛性及对参数不确定性和外部扰动的鲁棒性.     

基于三步法的磁悬浮球系统控制研究

针对磁悬浮球系统存在的非线性、不确定性和和外界干扰问题,为使系统输出在跟踪期望位置轨迹变化时具有良好的动态品质,设计了三步非线性控制器。该控制器由类稳态控制、可变参考前馈控制和误差反馈控制组成,按固定顺序分步骤推导完成。三步非线性控制器推导过程简单明确,所获得的控制律结构层次清晰,并且避免了高阶非线性带来的多次微分问题。仿真实验结果表明,三步非线性控制器的跟踪速度快,超调量小,跟踪效果好,不存在抖振现象。     

直接驱动XY平台的零相位自适应鲁棒控制

为了提高直接驱动XY平台的跟踪性能,提出了将零相位误差跟踪控制器(ZPETC)与自适应鲁棒控制器(ARC)相结合的控制策略对跟踪误差进行控制,并且采用基于时间序列预测技术的轮廓误差实时补偿方法对两轴运动进行协调控制.ZPETC作为前馈跟踪控制器,可以有效提高系统带宽及跟踪性能,使位置能够无静差地跟踪二阶指令输入;ARC能够克服系统参数变化、负载扰动等不确定性,增强系统的稳定性与鲁棒性;采用基于时间序列预测技术的轮廓误差实时补偿方法能够动态控制插补过程,以有效减小轮廓误差.仿真结果表明,所提出的控制方案具有良好的跟踪性和鲁棒性,可以有效提高跟踪精度和轮廓精度.     

硬盘驱动控制的H∞鲁棒性能研究

在硬盘驱动系统中，扰动是造成系统伺服性能下降的主要因素，为了提高系统的伺服性能，必须对扰动加以抑制.为了解决这个问题，提出了两种控制方案：一种是PID控制方法，另外一种是高精度的H_∞反馈控制方法.在H_∞反馈控制器控制方法中，针对被控对象的标称模型,设计了带有前馈补偿的鲁棒内环控制器(RILC)，在具有模型摄动及外部扰动的情况下，保证闭环系统的鲁棒稳定和鲁棒性能.通过与PID控制方法相比较，说明带有高精度的H_∞反馈控制的效果更佳.仿真结果表明，该控制方法响应速度快，抗干扰能力强，得到的控制系统性能良好，提出的方案合理而且有效.     

基于实时位置反馈的模块化机器人轨迹跟踪控制

为了提高机器人末端的位置控制精度,以Power Cube模块化机器人为研究对象,采用一种基于Optotrak3020运动测量系统的实时位置反馈控制方法,进行机器人复杂的轨迹跟踪控制研究.分析Power Cube模块机器人的系统结构,关节角度偏差测量,实时位置反馈控制方法的概念及控制结构,然后以模块机器人跟踪一平面圆弧轨迹为例进行三维仿真和实验,验证了该控制方法及实验系统的有效性和可靠性.     

高速无人驾驶车辆轨迹跟踪和稳定性控制

针对高速无人驾驶车辆运动控制过程中轨迹跟踪精度和稳定性难以同时保障的问题,提出综合前馈-反馈及自抗扰控制(ADRC)补偿相结合的横向控制算法. 通过车速和道路曲率信息计算前馈稳态前轮转向角,将质心侧偏角引入航向偏差,以车辆航向角偏差和侧向偏差作为参考量进行反馈控制,通过前馈-反馈控制提升瞬态轨迹跟踪性能. 设计自抗扰控制器,通过扩张状态观测器对未建模动态和内外界干扰进行估计,通过将后轮侧偏角控制在参考值附近来补偿前轮转角,提升无人驾驶车辆的转向稳定性和控制器的鲁棒性. 不同工况下的仿真结果表明,利用该方法可以保证高速无人驾驶车辆稳定地跟踪期望路径行驶,轨迹跟踪偏差较小,对车辆参数变化和外界干扰具有较强的鲁棒性.